INTRODUÇÃO: O objetivo deste estudo ecológico é avaliar a distribuição espacial e temporal da tuberculose (TB) na área urbana de Ribeirão Preto, São Paulo, entre os anos de 2006 e 2009, e estudar as suas relações com fatores de vulnerabilidade social como renda e educação. MÉTODOS: Foram utilizados dados do TBWeb, um sistema de notificação de dados de TB. As medidas de vulnerabilidade social foram obtidas da Fundação SEADE (Sistema Estadual de Análise de Dados) e informações sobre o número de habitantes, educação e renda dos chefes dos domicílios foram obtidas do Instituto Brasileiro de Geografia e Estatística. A análise estatística utilizou um modelo bayesiano de regressão assumindo que os novos casos de TB observados em cada área assumem uma distribuição de Poisson. RESULTADOS: O modelo bayesiano confirmou a heterogeneidade especial da distribuição da TB em Ribeirão Preto, identificando áreas com elevado risco de TB e os efeitos da vulnerabilidade social sobre a doença. Foi evidenciado que a taxa de TB associa-se com as medidas de renda, educação e vulnerabilidade social. Entretanto, são observadas áreas com baixa vulnerabilidade social e alto nível educacional, mas altas taxas de TB. CONCLUSÕES: O estudo identificou áreas com diferentes riscos de TB, permitindo que o sistema público de saúde lide com as diferentes características de cada região e priorize aquelas que apresentem maior propensão de risco de TB. São evidentes relações complexas entre a incidência de TB e um amplo número de fatores ambientais e intrínsecos, o que mostra a necessidade destes serem estudados em trabalhos futuros.
INTRODUCTION: The purpose of this ecological study was to evaluate the urban spatial and temporal distribution of tuberculosis (TB) in Ribeirão Preto, State of São Paulo, southeast Brazil, between 2006 and 2009 and to evaluate its relationship with factors of social vulnerability such as income and education level. METHODS: We evaluated data from TBWeb, an electronic notification system for TB cases. Measures of social vulnerability were obtained from the SEADE Foundation, and information about the number of inhabitants, education and income of the households were obtained from Brazilian Institute of Geography and Statistics. Statistical analyses were conducted by a Bayesian regression model assuming a Poisson distribution for the observed new cases of TB in each area. A conditional autoregressive structure was used for the spatial covariance structure. RESULTS: The Bayesian model confirmed the spatial heterogeneity of TB distribution in Ribeirão Preto, identifying areas with elevated risk and the effects of social vulnerability on the disease. We demonstrated that the rate of TB was correlated with the measures of income, education and social vulnerability. However, we observed areas with low vulnerability and high education and income, but with high estimated TB rates. CONCLUSIONS: The study identified areas with different risks for TB, given that the public health system deals with the characteristics of each region individually and prioritizes those that present a higher propensity to risk of TB. Complex relationships may exist between TB incidence and a wide range of environmental and intrinsic factors, which need to be studied in future research.
